基于改进YOLOv7 算法的葡萄叶病斑检测方法研究

2023-06-21 01:58:38李天,唐璐
智能计算机与应用 2023年6期
关键词:检测模型

李 天, 唐 璐

(西华师范大学计算机学院, 四川南充 637000)

0 引 言

中国是葡萄生产大国,产量居世界首位。 近年来,中国的葡萄产业正处于关键时期,葡萄种植农户不断调整和优化品种结构以及栽培模式,种植面积和产量稳步增长,向现代化、高质量的产业转型。 然而,葡萄生长过程中经常受到黑腐病、轮斑病、褐斑病、叶枯病等多种病害的干扰,严重妨碍了葡萄的正常生长,危害产量和质量,为果农的经济带来了损失。

随着人工智能技术的发展,计算机视觉、图像处理等技术已经广泛应用于农业领域,如水稻病害识别、果蔬品质检测等,这些技术的应用使得农业生产朝着更加智能化和高效化的方向发展。 近年来,在农作物病害识别领域,CNN 展现出了优越的性能表现[1-3]。 尤其是以单阶段和双阶段目标检测算法为代表的深度学习技术,更是在农业病虫害检测上大展身手,获得了广泛的应用。 双阶段目标检测算法首先以候选框的方式确定目标位置,然后再对这些候选框进行分类和回归,其代表模型有Faster-Rcnn。 虽然双阶段目标检测算法具备较高准确率,但是在推理速度和部署能力上有所欠缺[4]。 单阶段目标检测算法是直接从图像中提取物体的位置和类别信息,不需要进行物体候选框的生成。 其中比较著名的算法有YOLO[5-6]和SSD 等。 YOLO 使用卷积神经网络来提取目标特征,最终将提取到的信息转化为回归问题,SSD 也采用类似的思路。

综上,本文采用YOLOv7 目标检测算法为基础模型,在此基础上,通过重新设计锚框以适应葡萄叶病斑数据集。……

登录APP查看全文

猜你喜欢
检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用